买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东建筑大学申请的专利一种会计数据自动流程化处理方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120256507B 。

龙图腾网通过国家知识产权局官网在2025-09-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510747862.9，技术领域涉及：G06F16/25；该发明授权一种会计数据自动流程化处理方法是由祝珺瑶;周蓓蓓设计研发完成，并于2025-06-06向国家知识产权局提交的专利申请。

本一种会计数据自动流程化处理方法在说明书摘要公布了：本发明提供一种会计数据自动流程化处理方法及系统。通过适配接口连接企业内部业务系统采集数据，结合OCR技术与专业词汇库清洗数据。运用改进随机森林算法，依会计专业知识为属性赋权构建分类模型，实现数据精准分类与标准化。依据预设财务流程规则，自动处理报销、采购付款等流程并实时监控，异常时及时预警。处理后的数据加密存储，建立备份与权限管理机制，还能自动生成财务报表并可视化展示。该发明解决了传统会计数据处理效率低、易出错等问题，提升数据处理效率和准确性，保障数据安全，为企业财务管理提供高效支持。

本发明授权一种会计数据自动流程化处理方法在权利要求书中公布了：1.一种会计数据自动流程化处理方法，其特征在于，包括以下步骤： 步骤1、数据采集：使用适配接口连接企业OA、采购、销售内部业务系统，每日定时从OA系统抓取员工提交的电子费用报销单，从采购系统获取采购订单及对应发票数据，然后通过光学字符识别技术，扫描纸质发票、银行对账单票据，扫描后，依据会计专业词汇库与语法规则，自动校验并纠正OCR识别出的错误字符，同时统一数据格式，去除重复数据、填充缺失值，完成数据清洗，得到采集数据； 步骤2、数据分类与标准化：运用改进的机器学习算法，参照企业会计科目体系构建分类模型，将步骤1中清洗后的采集数据输入分类模型，精准归类到相应会计科目； 步骤3、自动化流程处理：针对步骤2中分类好的报销数据、采购数据和销售数据，依据企业财务审批和账务处理流程进行处理，其中处理流程为预先设定流程规则； 步骤4、数据存储与分析：步骤3中处理后的会计数据经加密存储至企业数据库，建立定期备份机制，防止数据丢失；依据人员职责，为不同数据设置访问权限，保障数据安全；同时利用数据分析工具与算法，基于存储数据自动生成包括但不限于资产负债表、利润表、现金流量表财务报表数据；通过数据可视化技术，以直观图表呈现财务数据； 在步骤2中运用改进的机器学习算法，具体使用针对会计专业知识，为不同属性赋予不同权重构成的改进随机森林算法，通过改进的随机森林算法构建分类模型，通过分类模型对采集数据进行自动精确分类； 所述改进随机森林算法具体实施步骤如下： 数据准备阶段：从企业历史会计数据中，运用分层抽样结合动态比例调整的方式构建会计科目样本数据集合，设历史会计数据集合为，数据集合包含不同比例的各类会计数据样本，其中会计数据样本包括但不限于费用报销数据、采购数据、销售数据对应的会计科目样本；在分层抽样时，先将按业务类型划分为个互不重叠的层，即，对于每一层,其数据量记为和重要程度记为，重要程度为会计领域专家根据不同业务类型数据对会计科目分类的影响程度综合评估确定，取值范围为，且，根据各层数据量和重要程度动态调整抽取比例，按照上述公式计算出每一层的抽取比例后，从每一层中按相应比例随机抽取数据，构建多样化的训练子集； 决策树训练阶段：针对每个构建好的训练子集，分别开展决策树的训练工作；在决策树的节点分裂过程中，基于层次分析法结合会计专家经验的方法，自动为决策树节点分裂属性赋予权重，根据计算好的权重分配方式，对每个训练子集进行递归划分，构建多棵决策树； 随机森林集成阶段：将上述训练好的多棵决策树组合成随机森林分类模型，即分类模型； 数据分类执行阶段：把步骤1中清洗后的采集数据输入到构建好的分类模型中，分类模型内的每一棵决策树都独立对输入数据进行分类判断，每棵决策树根据自身训练得到的规则和属性权重，对输入数据的各个特征进行分析，然后给出一个分类结果，所有决策树完成分类判断后，通过投票机制来确定输入数据的最终分类结果； 标准化操作阶段：在完成数据分类后，严格依据会计准则和企业内部制定的财务制度，对分类后的数据进行标准化处理； 对于在决策树的节点分裂过程中，基于层次分析法结合会计专家经验的方法，自动为决策树节点分裂属性赋予权重，具体实施逻辑如下： 步骤A、确定属性集与决策目标：首先训练子集的相关属性，具体的在费用报销数据中，属性包括“报销项目”“报销金额”“报销时间”“报销人部门”；对于采购数据，属性有“采购物品类别”“采购数量”“供应商”“采购日期”，对于销售数据，“销售项目”“销售金额”“销售时间”“销售人部门”；将上述准确分类会计属性数据到相应会计科目作为决策目标； 步骤B、构建判断矩阵：结合会计专家经验和针对不同业务类型的会计科目样本属性,构建判断矩阵,设训练子集的个属性集合为，对于会计科目样本中每个属性数据，构建的判断矩阵：，其中表示属性相对于属性的重要性程度，且满足，，在构建判断矩阵时，采用1-9标度法比较每个会计科目样本中各类属性两两之间的相对重要性，具体的，若属性相对于属性同等重要，则；若比稍微重要，；明显重要，；强烈重要，；极端重要，；若介于两者之间，分别取值2、4、6、8； 步骤C、计算属性权重向量：采用特征向量法计算判断矩阵的最大特征值及其对应的特征向量，通过求解方程，得到特征向量； 步骤D、一致性检验：计算一致性指标，公式为，其中为属性的数量；再查找平均随机一致性指标，其根据属性数量从标准表格中获取；计算一致性比例，公式为，当时，接收判断矩阵的一致性，即专家的判断合理，得到的权重向量有效；若，则重新调整判断矩阵，直至一致性检验通过； 步骤E、整合专家权重结果：对于训练子集每个属性，将专家给出的权重进行综合，采用简单平均法，设专家数量为，第位专家给出的属性的权重位，则整合后的属性的最终权重计算公式为：； 步骤F、应用权重到决策树节点分裂：将得到的最终属性权重应用到决策树节点分裂过程中； 其中采用特征向量法计算判断矩阵的最大特征值及其对应的特征向量具体步骤如下： 将判断矩阵按列归一化：设构建好的判断矩阵为，对于矩阵的每一列，计算该列元素之和，然后将矩阵中每个元素除以该列元素之和，得到归一化后的矩阵元素，通过上述的计算，完成整个判断矩阵的按列归一化，得到归一化矩阵； 将归一化后的矩阵按行求和：对于归一化后的矩阵，计算每行元素之和； 对行和向量进行归一化得到特征向量：将行和向量进行归一化，即计算，得到特征向量，特征向量中的每个分量对应会计科目样本中各个属性的相对权重； 计算最大特征值：计算，得到向量，然后计算，其中是向量的第个元素，最大特征值用于后续一致性检验，判断专家判断的合理性。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东建筑大学，其通讯地址为：250109 山东省济南市临港开发区凤鸣路；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。